#pipeline Dépôts
Découvrez 82 dépôts GitHub open source actifs associés à #pipeline, cumulant 355,781 étoiles au total (soit une moyenne de 4,338 étoiles par projet). Le projet en tête de ce thème est kestra-io/kestra, avec 30,303 étoiles.
82 dépôts au total
Orchestrez tout, partout. Le plan de contrôle open source pour les workflows couvrant les données, l’infrastructure, les processus métier et les agents d’IA. Déclaratif en YAML, piloté par les événements, compatible avec tous les langages, versionné avec Git et évolutif jusqu’à des millions d’exécutions.
Prefect est un framework d'orchestration de workflows pour construire des pipelines de données résilients en Python.
Un notebook réactif pour Python — exécutez des expériences reproductibles, interrogez avec SQL, exécutez en tant que script, déployez en tant qu'application et versionnez avec git. Stocké en tant que Python pur. Le tout dans un éditeur moderne, natif de l'IA.
Mouvement de données open-source pour les pipelines ELT et les agents IA — des API, bases de données et fichiers vers les entrepôts de données, lacs de données et applications IA. Auto-hébergé et Cloud.
Transforme les données et les algorithmes d'IA en applications web prêtes pour la production en un rien de temps.
PRQL est un langage moderne pour la transformation des données — un remplacement SQL simple, puissant et basé sur des pipelines.
httpx est une boîte à outils HTTP rapide et polyvalente qui permet d'exécuter plusieurs sondes à l'aide de la bibliothèque retryablehttp.
Installez Jenkins, configurez Docker comme esclave, configurez le cicd et déployez des applications sur k8s en utilisant Argo CD de manière GitOps.
🧙 Créez, exécutez et gérez des pipelines de données pour l'intégration et la transformation des données.
La carte la plus complète du développement de jeux (Game Development Map). Aide les développeurs de jeux à gagner du temps sur des problèmes connus, leur permettant de consacrer plus d'énergie à des tâches plus créatives.
cube studio Plateforme IA Open-Source Cloud Native Tout-en-un pour Machine Learning/Deep Learning/Grands Modèles, Flux complet du pipeline d'algorithmes MLOps, Plateforme de location de puissance de calcul, Développement en ligne Notebook, Orchestration de pipeline de flux de tâches par glisser-déposer, Entraînement distribué multi-machines multi-GPU, Recherche d'hyperparamètres, Virtualisation VGPU du service d'inférence, Edge Computing, Annotation automatisée de la plateforme d'annotation, Ajustement fin SFT de grands modèles/Modèle de récompense/Entraînement par apprentissage par renforcement de Deepseek, Inférence multi-machines de grands modèles tels que vLLM/Ollama/MindSpore, Base de connaissances privée, Marché de modèles IA, Support pour l'écosystème CPU/GPU/NPU Ascend domestiques, Support RDMA, Support pour les frameworks distribués tels que PyTorch/TF/MXNet/DeepSpeed/Paddle/ColossalAI/Horovod/Ray/Volcano
Jenkins X fournit un CI+CD automatisé pour Kubernetes avec des environnements de prévisualisation sur les Pull Requests en utilisant des pipelines Cloud Native de Tekton
Un guide pour la construction de systèmes d'apprentissage profond de niveau production pratiques à déployer dans des applications du monde réel.
Un langage de workflow pour les pipelines computationnels pilotés par les données
Towhee est un framework dédié à rendre les pipelines de traitement de données neuronales simples et rapides.
Add-ons Blender qui améliorent le flux de travail de développement de jeux entre Blender et Unreal.
QuantMind est un framework open source, natif pour les agents, d’extraction et de récupération des connaissances pour la finance quantitative.
SaaS Boilerplate – Stack SaaS open source et gratuit qui vous permet de créer des produits SaaS plus rapidement en React, Django et AWS. Concentrez-vous sur la logique métier essentielle au lieu de coder des fonctionnalités répétables !
Plateforme native Kubernetes pour exécuter des tâches de données/streaming massivement parallèles
CubeStudio est une plateforme open source cloud-native tout-en-un pour l'apprentissage automatique/l'apprentissage profond/les grands modèles d'IA/MaaS/MLOps/plateforme d'intelligence artificielle/plateforme d'entraînement et d'inférence, couvrant le pipeline complet des algorithmes, la multi-location, la plateforme de location de puissance de calcul, le relais de tokens, l'orchestration de pipelines de flux de travail par glisser-déposer, l'entraînement distribué multi-machine multi-carte, la recherche d'hyperparamètres, les services d'inférence, la virtualisation VGPU, la collaboration cloud-edge-device, le calcul en périphérie, la plateforme d'annotation automatisée, le fine-tuning SFT/le modèle de récompense/l'entraînement par apprentissage par renforcement pour les grands modèles comme DeepSeek, l'inférence multi-machine pour les grands modèles avec vLLM/Ollama/MindIE, les agents intelligents LLMOps avec base de connaissances privée, le marché de modèles d'IA, le support pour l'ordonnancement de puissance de calcul hétérogène nationale (Ascend, Cambricon, Hygon, Moore Threads, Muxi, etc.), le support pour IB/RoCE/RDMA et le support Xinchuang.
HuixiangDou : Surmonter les scénarios de discussion de groupe avec une assistance technique basée sur les LLM
Bibliothèque Python pour la création de pipelines de données avec programmation fonctionnelle en chaîne
Instill Core est un outil d'infrastructure d'IA full-stack pour l'orchestration de données, de modèles et de pipelines, conçu pour rationaliser tous les aspects de la création d'applications polyvalentes axées sur l'IA.
Un framework DAG C++ & Python couramment utilisé. Un framework de calcul parallèle basé sur des graphes de flux, multiplateforme, sans dépendances tierces, inclus dans awesome-cpp. Bienvenue sur star & fork & discussion
Le moteur SQL de streaming unifié le plus rapide, dans un seul binaire C++. ⚡ Latence de l’ordre de la milliseconde. Débit supérieur à 100 Go/s. Calcule en continu un contexte avec état à partir de flux, de journaux, de métriques, d’événements et de CDC.
Boîte à outils Go pour une programmation concurrente propre, composable et fondée sur les canaux.
Pipeline d'analyse de séquençage d'ARN utilisant STAR, RSEM, HISAT2 ou Salmon avec des comptes de gènes/isoformes et un contrôle de qualité étendu.
Un utilitaire de tracé en temps réel pour terminal/console avec entrée de données depuis stdin
Un kit d'outils de pipeline centré sur R pour la reproductibilité et le calcul haute performance
Inférence, ingestion et indexation hautement performantes, modulaires, sécurisées en mémoire et prêtes pour la production, construites en Rust 🦀
Une micro-bibliothèque de composants de flux pour construire des pipelines de traitement JSON et JSONC personnalisés avec une empreinte mémoire minimale — analysez, filtrez et transformez des fichiers JSON bien plus volumineux que la mémoire disponible grâce à une API de jetons inspirée de SAX, sur Node.js ou Web Streams.
Un outil en ligne de commande multiplateforme pour exécuter des tâches en parallèle
Foire aux questions
Quel est le dépôt #pipeline le plus populaire sur GitHub ?
Le projet #pipeline open source le mieux classé sur GitHub est kestra-io/kestra, avec 30,303 étoiles. Orchestrez tout, partout. Le plan de contrôle open source pour les workflows couvrant les données, l’infrastructure, les processus métier et les agents d’IA. Déclaratif en YAML, piloté par les événements, compatible avec tous les langages, versionné avec Git et évolutif jusqu’à des millions d’exécutions.
Quels langages de programmation sont les plus utilisés dans les dépôts #pipeline ?
Parmi les projets #pipeline les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Go, TypeScript, Rust.
Comment le classement des dépôts #pipeline est-il calculé ?
Nous suivons 82 dépôts open source actifs associés à #pipeline (500+ étoiles), totalisant 355,781 étoiles, avec une moyenne de 4,338 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.